用python实现决策树及可视化

数据文件如下：

代码如下：

import os
os.environ["PATH"] += os.pathsep + 'F:/graphviz-2.38/release/bin'
import csv

from sklearn.feature_extraction import DictVectorizer
from sklearn import preprocessing
from sklearn import tree

# 导入文件
film_data = open('film.csv', 'rt')
reader = csv.reader(film_data)
headers = next(reader)
# 打印表头
print(headers)
# 创建特征集和结果集
feature_list = []
result_list = []

# 遍历，特征集追加字典，该字典由header[1:-1]和row[1:-1]
# 结果集追加row[-1]
for row in reader:
    feature_list.append(dict(zip(headers[1:-1], row[1:-1])))
    result_list.append(row[-1])
print(feature_list)
print(result_list)

# 将dict类型的数据转换成nummpy array
vec = DictVectorizer()
# 将你的List转化成二进制形式并且已按照List原格式首字母排序
# country gross type
dummyX = vec.fit_transform(feature_list).toarray()
dummyY = preprocessing.LabelBinarizer().fit_transform(result_list)
print(dummyX)
print(dummyY)

clf = tree.DecisionTreeClassifier(criterion='entropy', random_state=0)
clf = clf.fit(dummyX, dummyY)
print("clf:" + str(clf))

import pydotplus

dot_data = tree.export_graphviz(clf,
                                feature_names=vec.get_feature_names(),
                                filled=True, rounded=True,
                                special_characters=True,
                                out_file=None)
graph = pydotplus.graph_from_dot_data(dot_data)
graph.write_pdf("film.pdf")

这里要安装：GraphViz’s executables
配置环境变量的时候不知道什么原因没找到参数
解决方法，在代码中插入：

import os
os.environ["PATH"] += os.pathsep + 'F:/graphviz-2.38/release/bin'

决策树如下：

参考：Python决策树可视化：GraphViz’s executables not found的解决方法